目录
- [1. Numpy切片](#1. Numpy切片)
-
- [1.1 注意事项](#1.1 注意事项)
- [1.2 代码示例](#1.2 代码示例)
- [2. cv2.selectROI()](#2. cv2.selectROI())
-
- [2.1 语法结构](#2.1 语法结构)
- [2.2 注意事项](#2.2 注意事项)
- [2.3 代码示例](#2.3 代码示例)
- [3. Pillow.crop](#3. Pillow.crop)
-
- [3.1 语法结构](#3.1 语法结构)
- [3.2 注意事项](#3.2 注意事项)
- [3.3 代码示例](#3.3 代码示例)
- [4. 扩展示例：单张大图裁切成多张小图](#4. 扩展示例：单张大图裁切成多张小图)
- [5. 总结](#5. 总结)
1. Numpy切片
语法结构：
csharp
retval = img[y:y+h, x:x+w] #对图像 img 裁剪并返回指定的矩阵区域图像。img：图像数据，nparray 多维数组x, y：整数，像素值，裁剪矩形区域左上角的坐标值w, h：整数，像素值，裁剪矩形区域的宽度、高度retval：裁剪后获得的 OpenCV 图像，nparray 多维数组
1.1 注意事项
- Numpy 多维数组的切片是原始数组的浅拷贝，切片修改后原始数组也会改变。推荐采用 .copy() 进行深拷贝，得到原始图像的副本。
- Numpy 数组切片，当上界或下界为数组边界时可以省略，如：imgy:, :x 表示高度方向从 y 至图像底部（像素ymax），宽度方向从图像左侧（像素 0）至 x。
1.2 代码示例
csharp
import cv2
imgFile = "./img/lena.jpg"
img1 = cv2.imread(imgFile, flags=1) # flags=1 读取彩色图像(BGR)
xmin, ymin, w, h = 200, 200, 200, 200 # 矩形裁剪区域 (ymin:ymin+h, xmin:xmin+w) 的位置参数
imgCrop = img1[ymin:ymin + h, xmin:xmin + w].copy() # 切片获得裁剪后保留的图像区域
cv2.imshow("CropDemo", imgCrop) # 在窗口显示 彩色随机图像
cv2.waitKey(0)
cv2.destroyAllWindows()
2. cv2.selectROI()
2.1 语法结构
csharp
cv2.selectROI(windowName, img, showCrosshair=None, fromCenter=None):#可以通过鼠标选择感兴趣的矩形区域（ROI）windowName：选择的区域被显示在的窗口的名字img：要在什么图片上选择ROIshowCrosshair：是否在矩形框里画十字线.fromCenter：是否是从矩形框的中心开始画
2.2 注意事项
- 由于
cv2.selectROI是一个交互式的函数，它可能不适合用于自动化脚本或没有图形用户界面的环境。在这种情况下，你可能需要寻找其他方法来选择图像中的 ROI，例如使用固定坐标、图像分割算法等。
2.3 代码示例
csharp
import cv2
imgFile = "img/lena.jpg"
img1 = cv2.imread(imgFile, flags=1) # flags=1 读取彩色图像(BGR)
roi = cv2.selectROI(img1, showCrosshair=True, fromCenter=False)
xmin, ymin, w, h = roi # 矩形裁剪区域 (ymin:ymin+h, xmin:xmin+w) 的位置参数
imgROI = img1[ymin:ymin + h, xmin:xmin + w].copy() # 切片获得裁剪后保留的图像区域
cv2.imshow("RIODemo", imgROI)
cv2.waitKey(0)
cv2.destroyAllWindows()
3. Pillow.crop
3.1 语法结构
csharp
retval = Image.crop(left, up, right, lower) left： 整数，表示裁剪区域左上角的 x 坐标。up：整数，表示裁剪区域左上角的 y 坐标。right：整数，表示裁剪区域右下角的 x 坐标。这个值通常大于 left。below：整数，表示裁剪区域右下角的 y 坐标。这个值通常大于 upper。retval：一个新的 Image 对象,原始图像中被裁剪出来的矩形区域
3.2 注意事项
crop()函数接受一个包含四个数字的元组参数，表示裁剪区域的左上角和右下角的坐标。这个元组的格式是(left, upper, right, lower)，其中left和upper是裁剪区域的左上角坐标，right和lower是右下角坐标。坐标的原点（0,0）通常在图像的左上角。Pillow库使用坐标系的原点在左上角，x轴向右增加，y轴向下增加。这与一些其他图像处理库（如OpenCV）的坐标系原点在左下角的约定不同，需要注意坐标的顺序和方向。- 裁剪区域的坐标必须在图像的边界内。如果裁剪区域的坐标超出了图像的边界，将会引发一个ValueError异常。因此，在调用crop()函数之前，最好先检查裁剪区域的坐标是否有效。
crop()函数不会修改原始图像，而是返回一个新的裁剪后的图像对象。原始图像保持不变，如果需要保存裁剪后的图像，需要将其保存到文件或进行其他操作。
3.3 代码示例
csharp
from PIL import Image
import matplotlib.pyplot as plt
imgFile = "./img/lena.jpg"
img = Image.open(imgFile) # W*H
plt.rcParams['font.sans-serif'] = ['FangSong'] # 支持中文标签
plt.subplot(221), plt.title("原图"), plt.axis('off')
plt.imshow(img)
img_c = img.crop([img.size[0] / 4, img.size[1] / 4, img.size[0] * 3 / 4, img.size[1] * 3 / 4])
plt.rcParams['font.sans-serif'] = ['FangSong'] # 支持中文标签
plt.subplot(222), plt.title("裁切之后"), plt.axis('off')
plt.imshow(img_c)
plt.show()
4. 扩展示例：单张大图裁切成多张小图
csharp
from PIL import Image
imgFile = "./img/lena.jpg"
img = Image.open(imgFile)
size = img.size
print(size)
# 准备将图片切割成9张小图片
weight = int(size[0] // 3)
height = int(size[1] // 3)
# 切割后的小图的宽度和高度
print(weight, height)
for j in range(3):
for i in range(3):
box = (weight * i, height * j, weight * (i + 1), height * (j + 1))
region = img.crop(box)
region.save('{}{}.png'.format(j, i))
5. 总结
Numpy切片和Pillow.crop()都是非交互式的裁剪方法，适用于在代码中直接指定裁剪区域。cv2.selectROI()是一个交互式的裁剪方法，允许用户通过图形界面选择ROI。